UCI银行营销数据集--缺失值处理方法

版权声明：版权归本作者所有，如需转载请务必注明出处及作者 https://blog.csdn.net/qq_35654046/article/details/85099813

程序源代码参见GitHub：https://github.com/leungBH/BankMarketing

• 数据集基本情况

目标：

根据相关的信息预测通过电话推销，用户是否会在银行进行存款。

特征：总共有50个特征。

年龄，工作类型，婚姻状况，受教育背景，信用情况，房贷，个人贷款，联系电话是手机还是固定电话，最后联系月份，最后联系日，通话持续时间，本次活动中联系的次数，最后一次接触距离上一次接触的时间，以前的活动中联系的次数，上一次活动成功与否，就业变化率，消费者物价指数，欧元银行同业拆借利率，就业人数。

通过对数据集进行初步的分析，发现其中有缺失值的特征有6个：

由于缺失值比较少，下面尝试三种常用的缺失值填补方法：

1. 使用平均值填补；
2. 使用kNN拟合缺失值；
3. 使用随机森林拟合缺失值。

• 使用平均值取代缺失值

• 使用随机森林预测缺失值

1. 把分类特征转化为数值特征。
2. 统计有缺失值的特征，按照缺失值数量从少到多排列。
3. 从缺失值少的特征开始，用随机森林对缺失值进行填补。

• 使用KNN拟合

参考文献：

S. Moro, P. Cortez and P. Rita. A Data-Driven Approach to Predict the Success of Bank Telemarketing. Decision Support Systems, Elsevier, 62:22-31, June 2014

S. Moro, R. Laureano and P. Cortez. Using Data Mining for Bank Direct Marketing: An Application of the CRISP-DM Methodology. In P. Novais et al. (Eds.), Proceedings of the European Simulation and Modelling Conference - ESM'2011, pp. 117-121, Guimaraes, Portugal, October, 2011. EUROSIS. [bank.zip]